Как ИИ применяется в DeFi?

АВТОР: DEFI EDUCATION

Перевод: Народный блокчейн

** **

Как вы, возможно, заметили в Twitter, мы очень заинтересованы в современном пространстве AI/LLM. Несмотря на то, что в ускорении научных исследований еще есть много возможностей для улучшения, мы видим потенциал.

Появление больших языковых моделей (LLM) в криптовалютном пространстве революционизирует то, как нетехнические игроки взаимодействуют, понимают и вносят свой вклад в индустрию.

Раньше, если вы не умели программировать, вы чувствовали себя совершенно потерянным. Большие языковые модели, такие как chatGPT, в настоящее время преодолевают разрыв между сложными языками программирования и повседневным языком. Это очень важно, потому что в криптовалютном пространстве доминируют люди со специализированными техническими знаниями.

Если вы столкнетесь с чем-то, чего не понимаете, или считаете, что проект намеренно скрывает реальность своей базовой системы, вы можете спросить chatGPT и получить быстрый, почти бесплатный ответ.

DeFi демократизирует доступ к финансам, а большие языковые модели демократизируют доступ к DeFi.

В сегодняшней статье мы представим некоторые идеи, которые, по нашему мнению, могут быть у больших языковых моделей в DeFi.

1. Безопасность DeFi

Как мы уже отмечали, DeFi трансформирует финансовые услуги, уменьшая трения и накладные расходы, а также заменяя большие команды эффективным кодом.

Мы подробно рассказали о том, в каком направлении движутся DeFi. Определение:

• Снижение затрат на трение – Расходы на топливо в конечном итоге снизятся

• Снижение накладных расходов за счет отсутствия физического местоположения, только код
• Сократите трудозатраты, вы заменили тысячи банкиров на 100 программистов • Разрешить любому лицу предоставлять финансовые услуги (например, кредитование и маркет-мейкинг)
• DeFi — это более экономичная операционная модель, которая не полагается на посредников для исполнения.

В DeFi «риск контрагента» заменен риском безопасности программного обеспечения. Код и механизмы, которые защищают ваши активы и облегчают ваши транзакции, постоянно подвергаются риску внешних угроз, которые пытаются украсть и эксплуатировать средства.

Искусственный интеллект, особенно LLM, играет ключевую роль в автоматизации разработки и аудита смарт-контрактов. Анализируя кодовую базу и выявляя закономерности, ИИ может находить уязвимости (со временем) и оптимизировать производительность смарт-контрактов, снижая количество человеческих ошибок и повышая надежность протоколов DeFi. Сравнивая контракты с базами данных известных уязвимостей и векторов атак, LLM могут выделить области риска.

Одной из областей, в которой LLM уже являются жизнеспособным и приемлемым решением проблем безопасности программного обеспечения, является помощь в написании наборов тестов. Написание модульных тестов может быть утомительным, но это важная часть контроля качества программного обеспечения, и ее часто упускают из виду из-за спешки со слишком быстрым выходом на рынок.

Однако в этом есть и «темная сторона». Если магистры права могут помочь вам провести аудит вашего кода, они также могут помочь хакерам найти способы использования вашего кода в мире шифрования с открытым исходным кодом.

К счастью, в криптосообществе полно белых шляп и есть система баунти, которая помогает смягчить некоторые риски.

Специалисты по кибербезопасности не выступают за «безопасность через обфускацию». Вместо этого они предполагают, что злоумышленник уже знаком с кодом системы и уязвимостями. Искусственный интеллект и LLM могут помочь автоматически обнаруживать небезопасный код в большом масштабе, особенно для тех, кто не является программистом. Каждый день развертывается больше смарт-контрактов, чем люди могут проверить. Иногда, чтобы воспользоваться экономическими возможностями (например, майнингом), необходимо взаимодействовать с новыми и популярными контрактами, не дожидаясь определенного периода времени для тестирования.

Именно здесь на помощь приходит такая платформа, как Rug.AI, предоставляющая автоматизированную оценку новых проектов на предмет известных уязвимостей кода.

Возможно, самым революционным аспектом является способность магистров права помогать в написании кода. До тех пор, пока пользователь имеет базовое представление о своих потребностях, он может описать то, что он хочет, на естественном языке, а магистры права могут перевести эти описания в функциональный код.

Это снижает входной барьер для создания приложений на основе блокчейна, позволяя более широкому кругу новаторов вносить свой вклад в экосистему.

И это только начало. Лично мы обнаружили, что LLM больше подходят для рефакторинга кода или объяснения того, что делает код для начинающих, а не для совершенно новых проектов. Важно дать модели контекст и четкие спецификации, иначе возникнет ситуация «мусор на входе, мусор на выходе».

LLM также могут помочь тем, кто не умеет программировать, переводя код смарт-контракта на естественный язык. Возможно, вы не хотите изучать программирование, но вы хотите убедиться, что код протокола, который вы используете, соответствует обещаниям протокола.

Хотя мы подозреваем, что LLM не смогут заменить высококлассных разработчиков в краткосрочной перспективе, разработчики могут провести еще один раунд рациональной проверки своей работы с помощью LLM.

Вывод: Шифрование стало намного проще и безопаснее для всех нас. Просто будьте осторожны и не слишком полагайтесь на этих LLM. Иногда они уверенно ошибаются. Способность магистров права полностью понимать и предсказывать код все еще развивается.

2. Анализ данных и инсайты

Собирая данные в криптовалютном пространстве, вы рано или поздно столкнетесь с Dune Analytics. Если вы не слышали об этом, Dune Analytics — это платформа, которая позволяет пользователям создавать и публиковать визуализации аналитики данных, уделяя основное внимание ETH блокчейну и другим связанным блокчейнам. Это полезный и удобный инструмент для отслеживания метрик DeFi.

В Dune Analytics уже есть возможности GPT-4, которые могут интерпретировать запросы на естественном языке.

Если вы запутались в запросе или хотите создать и отредактировать его, вы можете обратиться к chatGPT. Обратите внимание, что он будет работать лучше, если вы предоставите несколько примеров запросов в одном и том же разговоре, и вы все равно захотите учиться самостоятельно, чтобы проверить работу chatGPT. Тем не менее, это отличный способ учиться и задавать вопросы, и вы можете задать chatGPT, как репетитору.

LLM значительно снижают порог входа для нетехнических участников криптовалют.

Однако с точки зрения понимания LLM разочаровывают, когда дело доходит до предоставления уникальных идей. На сложных, рациональных финансовых рынках не ждите, что магистры права дадут правильные ответы. Если вы из тех, кто действует инстинктивно и интуитивно, вы обнаружите, что LLM далеко не соответствуют вашим ожиданиям.

Тем не менее, мы нашли эффективное применение – проверить, не упущено ли очевидное. Вы с меньшей вероятностью найдете неочевидные или противоречивые идеи, которые действительно окупятся. Это неудивительно (если кто-то разрабатывает ИИ, который обеспечивает сверхвысокую рыночную доходность, он не выпускает эту часть для широкой публики).

3, «Администратор Discord исчезает?»

В криптовалютном пространстве управление группой пользователей, увлеченных популярным проектом, но имеющих меняющиеся потребности, является одной из самых непризнанных и болезненных работ. Многие из одних и тех же общих вопросов задаются неоднократно, иногда последовательно. Кажется, это болевой момент, который должен быть легко решен с помощью LLM.

LLM также показали некоторую точность в определении того, являются ли сообщения саморекламой (спамом). Мы ожидаем, что это также будет использоваться для обнаружения вредоносных ссылок (или других взломов). Очень сложно управлять оживленной группой Discord с тысячами активных участников и регулярными публикациями, поэтому мы с нетерпением ждем помощи некоторых ботов Discord на базе LLM.

4, “Причудливые вещи”

Повторяющимся мемом в криптопространстве является запуск валют на основе популярных мемов. Они варьируются от мемов, таких как DOGE, SHIB и PEPE, до случайных валют, которые исчезают в течение часа в зависимости от горячих поисковых запросов дня (в основном мошенничество, которого мы избегаем).

Если у вас есть доступ к Twitter Firehose API, вы можете отслеживать настроения криптовалют в режиме реального времени и обучать LLM отмечать тенденции, а затем использовать людей для интерпретации нюансов в них. Простым примером приложения может быть ситуация, когда есть вирусный момент, и вы можете запустить мем-валюту на основе анализа настроений.

Возможно, есть способ создать что-то вроде версии захвата настроений для бедных, который отслеживает подмножество популярных крипто-инфлюенсеров в нескольких каналах социальных сетей, не имея дела со стоимостью и пропускной способностью источника данных API типа «ракетный реактивный».

LLM отлично подходят для этого, потому что они дают представление о контексте (разбор сарказма и пародий в Интернете для получения реальных идей). Этот приятель LLM будет развиваться и учиться вместе с криптоиндустрией, где большая часть действий обсуждается в крипто-Twitter. Криптоиндустрия с ее открытыми дискуссионными форумами и технологиями с открытым исходным кодом предоставляет уникальную среду для магистров права, чтобы они могли использовать рыночные возможности.

Но чтобы не быть одураченным преднамеренными манипуляциями в социальных сетях, технология должна быть более изощренной: искусственные массовые кампании, нераскрытые спонсоры и онлайн-тролли. В другой статье мы рассмотрели интересный сторонний исследовательский отчет, предполагающий, что некоторые организации могут сознательно манипулировать социальными сетями, чтобы увеличить стоимость криптопроектов, связанных с FTX/Alameda.

Анализ NCRI показывает, что на ботоподобные аккаунты приходится значительный процент (около 20%) онлайн-обсуждений, в которых упоминается биржевая монета FTX.

Эта деятельность, похожая на бота, предвещает цены многих монет FTX в выборке данных.

После раскрутки FTX активность этих монет со временем становилась все более неаутентичной: доля неаутентичных, ботовых комментариев неуклонно росла, составляя около 50% от общего обсуждения.